Stacked Intelligent Metasurfaces Assisted UAV Communications

Resumo Técnico: Comunicações de UAV Assistidas por Metasuperfícies Inteligentes Empilhadas

Definição do Problema
Os Veículos Aéreos Não Tripulados (UAVs) oferecem implantação flexível e conectividade de linha de visada (LoS) robusta para redes sem fio de próxima geração. No entanto, a implementação de comunicações multiusuário com grandes arranjos de antenas em UAVs é limitada pelas restrições de energia e carga útil. O beamforming totalmente digital convencional requer inúmeras cadeias de radiofrequência (RF), levando a um consumo de potência e complexidade de hardware proibitivos. Embora Superfícies Inteligentes Reconfiguráveis (RIS) de camada única tenham sido propostas para reduzir a complexidade, elas oferecem graus de liberdade limitados para a modelagem de frente de onda. Além disso, a literatura existente sobre Metasuperfícies Inteligentes Empilhadas (SIMs) para UAVs é escassa; trabalhos anteriores focam em cenários de uplink, omitem o precodificação digital em arquiteturas híbridas ou dependem de soluções baseadas em dados que carecem de tratabilidade analítica para a otimização conjunta de beamforming e posicionamento do UAV.

Metodologia
O artigo propõe um framework unificado para um sistema UAV multiusuário de downlink assistido por SIM. A arquitetura emprega beamforming híbrido, onde a precodificação digital de baixa dimensão é realizada na banda base, e o processamento analógico no domínio da onda é tratado por uma SIM consistindo em $L$ camadas de metasuperfícies em cascata. O sistema visa maximizar a taxa de soma multiusuário otimizando conjuntamente três variáveis acopladas:

1. Beamformer Digital ($\mathbf{V}$): A matriz de precodificação na estação base.
2. Configuração de Fase da SIM ($\{\mathbf{\Phi}_l\}$): Os coeficientes de transmissão das $L$ camadas de metasuperfície.
3. Posição 3D do UAV ($\mathbf{q}$): As coordenadas espaciais do UAV.

Para resolver o problema de otimização não convexo resultante, os autores desenvolvem um framework de Otimização Alternada (AO) que garante a melhoria monotônica da função objetivo:

• Beamformer Digital: Para coeficientes de SIM e posição do UAV fixos, o beamformer digital é derivado em forma fechada usando precodificação Zero-Forcing (ZF) baseada na pseudoinversa de Moore–Penrose do canal efetivo.
• Otimização da SIM: Os autores utilizam uma abordagem de Descida de Coordenadas em Bloco (BCD), otimizando uma camada de metasuperfície por vez. Dentro de cada camada, os deslocamentos de fase individuais são atualizados elemento a elemento. Ao construir uma função substituta (surrogate) minorante quadrática baseada no cálculo de Wirtinger, os autores derivam uma regra de atualização em forma fechada (Minimização-Maximização) que garante que a taxa de soma não diminua a cada iteração.
• Posicionamento do UAV: Para configurações de beamforming e SIM fixas, a posição do UAV é refinada usando o Gradiente Ascendente Projetado (PGA). Os autores derivam analiticamente os gradientes da taxa de soma em relação às coordenadas do UAV, contabilizando a perda de percurso dependente da distância e os deslocamentos de fase no modelo de canal LoS.

Principais Contribuições

• Modelo de Sistema: O artigo estabelece um modelo de sistema abrangente para um downlink de UAV assistido por SIM híbrido, incorporando a teoria de difração de Rayleigh-Sommerfeld para modelar a propagação de sinal entre as camadas de metasuperfície em cascata e da SIM para os usuários terrestres.
• Framework Algorítmico: Introduz um algoritmo de otimização conjunta tratável que acopla precodificação digital, deslocamentos de fase de SIM multicamada e posicionamento 3D de UAV. Diferente de trabalhos anteriores, este framework trata analiticamente o design híbrido multicamada sem depender de aprendizado de máquina de caixa-preta.
• Atualizações em Forma Fechada: O algoritmo proposto fornece soluções em forma fechada para o beamformer digital e para as atualizações de fase da SIM, reduzindo a complexidade computacional em comparação com solvers não convexos genéricos.
• Análise de Convergência: O artigo prova que o algoritmo proposto gera uma sequência não decrescente de valores de objetivo que converge para um limite finito, com pontos limite satisfazendo condições de otimalidade de primeira ordem por bloco.

Resultados Numéricos
Simulações demonstram que a arquitetura proposta assistida por SIM supera significativamente os esquemas convencionais de beamforming híbrido baseados em RIS de camada única. As principais descobertas incluem:

• Eficiência de Potência: A lacuna de desempenho entre a proposta SIM multicamada e o benchmark de camada única aumenta à medida que a potência de transmissão ($P_{max}$) aumenta. A SIM multicamada cria um canal efetivo melhor condicionado, reduzindo a penalidade de potência associada à inversão ZF.
• Profundidade de Camada vs. Tamanho da Abertura: Aumentar o número de camadas de metasuperfície ($L$) melhora a taxa de soma devido ao processamento mais rico no domínio da onda, embora os ganhos eventualmente saturem. Inversamente, aumentar o número de meta-átomos por camada ($M$) produz melhorias contínuas de desempenho devido ao aumento do ganho de arranjo e resolução espacial.
• Compromisso de Design: Os resultados sugerem que, sob um orçamento fixo de total de meta-átomos, um design com um número moderado de camadas combinado com uma abertura suficientemente grande por camada é mais eficaz do que o empilhamento profundo com pequenas aberturas.

Significância e Alegações
O artigo afirma preencher uma lacuna crítica na literatura ao fornecer um framework analiticamente tratável para sistemas UAV assistidos por SIM híbridos. Destaca que deslocar a funcionalidade de beamforming do domínio de RF para o domínio eletromagnético (da onda) através de camadas empilhadas permite arquiteturas energeticamente eficientes adequadas para plataformas aéreas. Os autores afirmam que sua otimização conjunta de precodificação digital, configuração de SIM e posicionamento de UAV oferece um caminho prático para realizar comunicações de UAV de alta eficiência espectral e baixa complexidade para redes futuras. O trabalho valida que o processamento multicamada no domínio da onda oferece ganhos tangíveis de eficiência espectral sobre designs de camada única, particularmente em cenários que exigem implantação 3D flexível.